| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 马铃薯淀粉生产线的工艺流程 | 第14-16页 |
| 1.4 马铃薯淀粉生产线控制流程及物理量 | 第16-17页 |
| 1.5 本文研究的内容 | 第17页 |
| 1.6 本章小结 | 第17-19页 |
| 第2章 预测控制理论 | 第19-33页 |
| 2.1 预测控制的产生背景 | 第19页 |
| 2.2 预测控制的基本思想 | 第19-22页 |
| 2.2.1 预测控制的本质特征 | 第19-20页 |
| 2.2.2 预测控制的基本类型 | 第20-22页 |
| 2.3 BP神经网络模型设计 | 第22-27页 |
| 2.3.1 神经网络简介 | 第22页 |
| 2.3.2 神经网络模型 | 第22-26页 |
| 2.3.3 神经网络结构和工作方式 | 第26-27页 |
| 2.4 神经网络学习方法 | 第27-29页 |
| 2.5 神经网络非线性多步预测模型 | 第29-31页 |
| 2.6 神经网络预测控制结构 | 第31-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第3章 基于小波神经网络的非线性系统建模 | 第33-43页 |
| 3.1 引言 | 第33-34页 |
| 3.2 小波神经网络 | 第34-37页 |
| 3.2.1 小波神经网络的研究现状 | 第34页 |
| 3.2.2 小波神经网络在控制系统中的应用 | 第34-35页 |
| 3.2.3 小波神经网络模型的分类 | 第35-37页 |
| 3.3 小波神经网络算法及公式推导 | 第37-41页 |
| 3.3.1 基本BP算法公式推导 | 第38-40页 |
| 3.3.2 改进的快速BP算法 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 淀粉生产线控制系统总体设计 | 第43-57页 |
| 4.1 淀粉生产线控制系统总体结构 | 第43-44页 |
| 4.2 硬件体系设计 | 第44-46页 |
| 4.2.1 上位机 | 第44页 |
| 4.2.2 SLC/05可编程处理器 | 第44-45页 |
| 4.2.3 SLC500系列PLC的通讯 | 第45-46页 |
| 4.3 软件体系设计 | 第46-48页 |
| 4.3.1 RSView32软件介绍 | 第46页 |
| 4.3.2 RSLinx软件介绍 | 第46-47页 |
| 4.3.3 RSLogix500软件介绍 | 第47-48页 |
| 4.4 控制策略设计 | 第48-55页 |
| 4.4.1 逻辑控制设计 | 第49-50页 |
| 4.4.2 回路控制设计 | 第50页 |
| 4.4.3 模糊预测控制策略设计 | 第50-53页 |
| 4.4.4 模糊推理设计 | 第53-55页 |
| 4.4.5 精确量分析设计 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 预测控制在淀粉生产温度控制中的应用研究 | 第57-73页 |
| 5.1 典型干燥环境温度管理回路 | 第57-58页 |
| 5.2 淀粉生产工艺温度控制系统问题分析 | 第58-60页 |
| 5.2.1 控制器特点 | 第58-59页 |
| 5.2.2 受控对象复杂 | 第59-60页 |
| 5.3 基于小波神经网络预测控制的温度控制策略研究 | 第60-71页 |
| 5.3.1 小波神经网络预测控制 | 第60-63页 |
| 5.3.2 基于小波神经网络预测控制的温度控制策略的仿真研究 | 第63-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |